OpenClaw学习总结_I_核心架构_5：Memory系统详解

I. 核心架构 - 5. Memory 系统

📍 课程位置

阶段：I. 核心架构
课序：第 5 课
前置知识 ：I-4. Session 管理
后续课程：I-6. Compaction

🎯 本课核心问题

如果你问我："Agent 怎么知道'上次用户说很喜欢蓝色的衣服'？Session 之外还有记忆吗？"

我会这样回答 ：这就是 Memory（记忆）系统 ------它给 Agent 提供了跨会话的长期记忆能力。

📚 Memory vs Session

Session 的记忆（短期）

存在 Session 文件中
随着 Session 结束或重置而消失
通常只保留本次对话的内容

Memory 的记忆（长期）

独立于 Session
永久保存（除非删除）
可以跨多个会话访问

类比：

Session = 短期记忆（今天开会讨论了什么）
Memory = 长期记忆（用户的基本信息、偏好）

🔍 Memory 的核心机制

1. 向量搜索（Vector Search）

是什么：用数学方法找"相关内容"

类比：

你记得"用户说喜欢蓝色"
但不记得具体哪句话
向量搜索能帮你找到"相关的"内容

工作原理：

复制代码

1. 把文字转换成"向量"（一串数字）
2. 相似的内容 → 相似的向量
3. 搜索时，找"最接近"的向量

2. 混合搜索（Hybrid Search）

是什么：结合两种搜索方式

两种搜索：

向量搜索：语义相似（"狗"能找到"宠物"）
关键词搜索：精确匹配（"蓝色"只找到"蓝色"）

为什么需要混合：

向量搜索可能"太模糊"
关键词搜索可能"太死板"
混合起来最准确

3. MMR（Maximal Marginal Relevance）

是什么：保证结果"多样性"的算法

问题：

如果搜"苹果"，可能全是"水果苹果"
但用户可能想问"苹果手机"

MMR 的作用：

在相关的结果中，选择多样化的
避免重复，选择有代表性的

4. 时间衰减（Temporal Decay）

是什么：越新的记忆越"重要"

类比：

你记得上周的会议
但不记得上个月的会议
越近的记忆越清晰

作用：

搜索时，优先返回新内容
旧内容不会完全消失，但权重降低

🔧 实战：配置 Memory

查看当前 Memory 配置

bash 复制代码

# 查看配置
openclaw config get agents.defaults.memory

# 查看 Memory 文件
ls -la ~/.openclaw/memory/

配置示例

json5 复制代码

{
  "agents": {
    "defaults": {
      "memory": {
        // 启用 Memory
        "enabled": true,
        
        // 向量搜索
        "vector": {
          "enabled": true,
          "provider": "openai",  // openai | anthropic
          "model": "text-embedding-3-small"
        },
        
        // 关键词搜索
        "bm25": {
          "enabled": true
        },
        
        // 搜索策略
        "search": {
          "mode": "hybrid",  // hybrid | vector | bm25
          "limit": 5,        // 返回多少条
          "mmr": true        // 是否启用多样性
        },
        
        // 时间衰减
        "temporal": {
          "enabled": true,
          "decayRate": 0.99  // 衰减率
        }
      }
    }
  }
}

手动添加记忆

bash 复制代码

# 添加一条记忆
openclaw memory add "用户喜欢蓝色，最尺寸 M"

# 搜索记忆
openclaw memory search "用户偏好"

📁 Memory 文件结构

文件位置

复制代码

~/.openclaw/memory/
├── index.json          # 向量索引
├── memory.jsonl        # 记忆内容
└── metadata.json       # 元信息

记忆格式

json 复制代码

{
  "id": "mem_xxx",
  "content": "用户喜欢蓝色",
  "createdAt": "2024-01-01T00:00:00Z",
  "updatedAt": "2024-01-01T00:00:00Z",
  "tags": ["preference", "color"],
  "source": "session_xxx"
}

⚠️ 常见陷阱

陷阱	表现	原因	解决
搜索不到	"找不到之前说的"	记忆没被正确索引	检查 Memory 是否启用
结果太杂	返回不相关内容	MMR 没启用	启用 MMR
太旧	总是返回旧信息	时间衰减配置不当	调整衰减率
隐私泄露	用户的隐私被其他用户搜到	Memory 没隔离	配置 Memory 隔离

📝 学习心得

我学这一课时的体会

我以前以为"记忆"很简单，就是"保存内容"。

学完后才知道：

向量搜索是"语义理解"的基础
混合搜索比单一搜索更准确
时间衰减让记忆更"智能"

最大的收获是：Memory 和 Session 是互补的：

Session = 本次对话
Memory = 跨会话的长期记忆

与其他课程的关联

前置课程：Session 管理 - Session 是短期记忆
后续课程：Compaction - 压缩技术
配合课程：Multi-Agent - 多 Agent 的记忆隔离

✅ 你现在应该理解的

解释 Memory 和 Session 的区别
说出向量搜索的原理
解释混合搜索和 MMR
知道时间衰减的作用
能配置基本的 Memory 参数

📚 快速参考表

概念	简单说
Memory	跨会话的长期记忆
向量搜索	用语义相似度找内容
混合搜索	向量+关键词组合搜索
MMR	保证结果多样性
时间衰减	越新的记忆权重越高

🔗 相关资源

官方文档：

Memory：https://docs.openclaw.ai/concepts/memory
配置：https://docs.openclaw.ai/gateway/configuration-reference

相关课程：

上一课：I-4. Session 管理
下一课：I-6. Compaction

📊 本课总结

最关键的 3 点：

Memory = 长期记忆
- 跨会话保存
- 独立于 Session
搜索技术
- 向量搜索（语义）
- 混合搜索（更准）
- MMR（多样化）
时间衰减
- 新内容权重高
- 旧内容不会被删除

现在你应该理解了 Agent 的"长期记忆"机制。下一课会讲如何"压缩"这些记忆来节省空间（Compaction）。